本文主要介绍了Perplexity 的产品开发之路。Perplexity 是一家成立不到两年的公司，迅速崛起为一个受欢迎的搜索产品，用户数量已达数千万，并且年收入超过 2000 万美元。公司采用“AI 优先”的方法，通过利用人工智能来优化产品开发流程，减少协调成本，提升团队效率。Perplexity 的团队结构扁平，通常由小团队（两到三人）组成，强调自驱动和灵活性，预计未来技术型产品经理将成为公司最重要的人才。
- 公司背景：Perplexity 在短时间内取得了显著的成就，最近融资 6300 万美元，估值超过 10 亿美元。其投资者包括 Nvidia、Jeff Bezos 等知名人士。
- AI 优先策略：公司在构建产品的每一步都依赖 AI，鼓励员工在询问同事之前先向 AI 提问，以提高工作效率。
- 团队结构：大多数项目由两到三人完成，只有两个全职产品经理，强调小团队的高效运作。
- 决策与管理：公司采取去中心化的决策方式，鼓励团队成员自主做出快速决策，减少管理层级，提升响应速度。
- 灵活的工作流程：Perplexity 的项目管理依赖于灵活的季度计划和稳定的周目标设定，团队成员在每周开始时设定优先级目标，并努力完成 75% 的目标。
- 工具与协作：使用 Notion 进行文档管理和项目规划，利用 Unwrap.ai 整理和量化用户反馈，促进团队协作和信息透明。
- 未来展望：预计随着 AI 技术的发展，技术型产品经理和具备产品品味的工程师将变得更加重要，团队将继续保持扁平化结构以应对快速变化的市场需求。
Perplexity 的产品开发之路
不到两年前成立的 Perplexity 已成为我日常使用的产品，甚至取代了许多 Google 搜索——我并不孤单。这家员工不足 50 人的公司，用户数量已达到数千万。他们还实现了超过 2000 万美元的年度经常性收入 (ARR)，在搜索引擎领域与 Google 和 OpenAI 一较高下。最近筹集的 6300 万美元 使公司的估值超过 10 亿美元，投资者包括 Nvidia、Jeff Bezos、Andrej Karpathy、Garry Tan、Dylan Field、Elad Gil、Nat Friedman、Daniel Gross 和 Naval Ravikant (可惜没有我 😭)。Nvidia 的 CEO Jensen Huang 说他“几乎每天”都在使用这款产品。
我与公司的联合创始人兼产品负责人 Johnny Ho 进行了对话，深入了解 Perplexity 的产品开发过程——这让我觉得这将是许多公司未来的产品开发模式：
- AI 优先： 他们在公司发展的每一步都依靠 AI，例如“如何发布产品？” 员工被鼓励先问 AI 再打扰同事。
- 粘菌式组织： 通过最大限度地并行化项目来减少协调成本。
- 小团队： 通常团队由两到三人组成。他们的 AI 生成的高评分 播客 仅由一个人制作和管理。
- 少量管理层： 招聘自驱型独立贡献者 (IC)，并避免聘请擅长指导他人工作的人员。
- 对未来的预测： Johnny 说，“我猜，技术型产品经理 (PM) 或具有产品品味的工程师会逐渐成为公司中最有价值的人。”
另外，我正在与 Perplexity 合作深入探讨产品经理如何使用 Perplexity，我们希望听到你的反馈。如果你经常使用 Perplexity，请填写这份简短调查，他们会联系进行用户采访。
从左至右：Johnny Ho、Aravind Srinivas 和 Denis Yarats，Perplexity 联合创始人
说实话，一开始我们并不知道如何处理各种事务，包括产品管理、项目管理、财务和人力资源等。我们早期就接触到了 GPT-3，在探索如何建立公司的过程中，我们会从问 AI “什么是 X？” 和“如何正确地做 X？”开始。例如，我们问过“如何发布产品？发布过程的步骤是什么？”这样会得到一个大致的步骤，这对初创公司来说已经足够了。当然，第一次尝试往往不准确，但人类也一样，对吧？所以我们自然会从那里进行迭代。
自己摸索需要几天时间，但有了 AI 和一些提示，我们可以在五分钟内开始行动。
我们仍然这样做。例如，本周我问 Perplexity，“我该如何写一封邀请某人加入 Perplexity Pro 的邮件？”
我们甚至尝试过用它来构建产品，但发现 AI 工具在编程方面还远远不够好。它可以帮助我们编写脚本，但如果想要构建一个可持续的平台代码，它并不实际。即使是今天，随着技术进步和最新模型的出现，它仍然只能写模板。你无法真正设计一个长寿命的抽象。
在一个 50 人的组织中，我们只有两名全职产品经理。
我们典型的项目只有一到两个人在做。最难的项目最多有三到四个人。例如，我们的播客 是由一个人从头到尾完成的。他是一名品牌设计师，但也负责音频工程和各类研究，以找到最互动和有趣的播客制作方法。我认为在这个过程中没有产品经理参与。
我们在产品管理上最依赖的是当有一个复杂的分支决策和更涉及的项目时。
产品经理工作中最难也最重要的部分是对用例的品味。对于 AI 来说，你可能会有太多可能的用例可以处理。所以产品经理必须根据数据、用户研究等做出定性决策。例如，AI 的一个大问题是如何在生产力用例和吸引人的聊天机器人用例之间进行优先排序。很早的时候，我们决定专注于前者，但仍有讨论。
我们计划在明年再招聘一到两名产品经理，但招聘标准将保持很高。
鉴于我们的工作节奏，我们首先寻找灵活性和主动性。能够在资源有限的环境中有建设性地工作（可能需要戴多顶帽子）对我们来说最重要。
当你查看产品经理的简历时，很多人优先考虑帮助他人和寻找一致性。我认为随着 AI 的出现，这变得不那么重要。所以你不一定需要那么多关于管理流程或领导他人的技能。我们寻找在用户方面有明确量化影响的强大独立贡献者，而不是在公司内部。如果我在简历中看到“敏捷专家”或“scrum master”这样的术语，可能不会很合适。
此外，AI 允许产品经理做更多的独立贡献工作，尤其是数据分析和客户洞察。当然，你仍然需要一些基础知识（即数学、统计学、基本编程），但成为真正的“技术型”产品经理从未如此容易。
我们仍然选择文化契合度和易于合作，但我们不再寻找那些引导他人努力的人，因为有了 AI，这并不是那么必要。这可能会随着我们的规模扩大而改变，但在当前的规模下，产品比工作人员多得多。
我认为将来，我预计行业中管理层会更少。如果我猜测，技术型产品经理或具有产品品味的工程师将随着时间的推移成为公司中最有价值的人。
我的目标是根据 Alex Komoroske 在这份关于将组织视为粘菌的报告 中描述的最小化“协调阻力”来构建团队。大致的想法是，协调成本（由不确定性和分歧引起）随着规模的扩大而增加，而增加经理并不能改善情况。人们的激励措施变得不一致。人们往往会对他们的经理撒谎，经理也会对他们的经理撒谎。如果你想和组织的另一个部分的人交谈，你必须上升两级，再下降两级，沿途询问每个人。
相反，你想要做的是保持总体目标一致，并通过共享可重用的指南和流程来并行化指向这一目标的项目。特别是随着 AI 的进步，可以通过使用 AI 来“橡皮鸭调试”你的想法，而不是依赖完美的一致性和共识来最小化协调成本。我们还在内部文档中保持“谁是谁”的列表更新，如果你觉得需要联系任何人，就去做。这需要很大的信任。
但更重要的是，有了 AI，你不必经常联系别人。有时在问你打算问别人的问题之前，你可以先花一分钟问 AI 以减少协调成本，并给每个人一个合理的起点，让他们自己去做。
Perplexity 存在不到两年，AI 的变化如此之快，以至于很难承诺超过这个时间范围。我们创建季度计划。在季度内，我们尝试保持计划在产品路线图内的稳定性。路线图有一些大家都知道的大项目，还有一些随着优先级变化的小任务。灵活性是关键，因为 AI 的发展常常带来不可预见的影响。例如，开源模型和上下文长度的快速发展对产品、路线图和整体业务产生了下游影响。最近，Meta 发布了 Llama 3，Mistral 发布了 8x22B；我们正在寻找创造性的方法将这些模型用于我们的产品。
产品路线图中的项目也需要灵活，因为新产品开发与技术/模型开发路线图并行运行。工程师根据周的不同在维护现有产品和构建新产品之间切换。技术路线图往往增长迅速，因为我们遇到了现有系统的限制并积累了技术债务，但我们尽量优先处理能够解锁产品改进的技术债务。
但在特定的一周内，计划是相对稳定的。每周我们都有一次启动会议，大家为自己的一周设定高层次的期望。我们有一个设定 75% 每周目标的文化：每个人确定自己本周的首要任务，并尝试在周末前完成 75%。只有几个要点可以确保在一周内优先级明确。
在周初花点时间反思元任务可以带来清晰度，防止过于反应性或混乱的决策。随着时间的推移，我们估计规模和根据投资回报率优先排序的能力也有所提高。
我们在季度规划中尽量严格和数据驱动。所有目标都是可衡量的，要么是量化阈值，要么是布尔“X 是否完成”。我们的目标非常激进，通常在季度末我们只完成了 70%。其余的 30% 帮助识别优先级和人员配置中的差距。例如，在招聘基础设施工程师方面的投资不足，当基础设施目标未能实现时会很快显现出来。
在确定中心目标和高层设计后，我们尝试在决策中相当分散。项目由单个直接负责的个人 (DRI) 驱动，执行步骤尽可能并行进行。
任何项目的第一步都是尽可能将其分解为并行任务以减少协调问题。我们在 Linear 中执行此操作，我与团队中的产品经理 (或负责产品经理职责的任何人) 一起领导这项工作。我们努力使每个任务都是独立的——你应该能够在没有阻碍的情况下执行它。而且你可能不得不做出一些有争议的决定，但你可以在以后处理这些争议。
在每个项目开始时，有一个快速的启动会议进行对齐，之后，迭代以异步方式进行，没有约束或审查过程。当个人准备好对设计、实施或最终产品的反馈时，他们会在 Slack 中分享，团队的其他成员会给予诚实和建设性的反馈。根据需要有机地进行迭代，直到通过内部自用 (dogfooding) 获得内部认可后才发布产品。
我鼓励人们尽量并行工作。他们不应该等待每个人来解除阻碍。理想情况下，你有设计、前端和后端同时在同一个项目上工作。现在我们有了一个业务团队，所有四个人可以并行工作，而传统上你可能会等待设计或模型先出现。
团队目前按职能 (产品、研发、设计、业务等) 结构化，不同团队思考公司和堆栈的不同层次。但所有的精力都集中在改进核心产品上。我们设计的目标转化为共同的顶级指标并整体改善用户体验。例如，所有团队共享共同的顶级指标，同时在其堆栈层中进行 A/B 测试。因为产品可以快速变化，我们希望避免任何人的身份与产品的任何组成部分绑定的政治问题。
在我们目前的规模下，我们是有意地保持扁平化，报告结构不像对顶级目标的承诺那样决定优先级。我们的两名全职产品经理——一名负责网页，一名负责移动——向我报告，作为产品负责人。我们发现当团队没有产品经理时，团队成员会承担产品经理的责任，例如调整范围、做出面向用户的决策，并信任他们自己的品味。
我们的核心方法是接受用户和内部的反馈，并将其提炼为几个直观的产品，可以适用于许多客户。我们还尝试以一种激励和告知团队的方式提炼反馈，设定广泛的愿景，但让个人控制自己的决策，决定什么最能服务于最初的目标。我们分散的决策方法传递了责任的火炬，使快速迭代成为可能，而无需审批流程。个人做出紧急的、本地最优的决策。任何不一致的地方随后迅速解决。
Linear 对于 AI 产品来说，任务、漏洞和项目之间的界限变得模糊，但我们发现 Linear 中的许多概念，如 Leads、Triage、Sizing 等都非常重要。我最喜欢的一个功能是自动归档——如果一项任务有一段时间没有被提及，那么它可能实际上并不重要。
我们用来存储真实信息来源的主要工具，如路线图和里程碑规划，是 Notion。我们在开发过程中使用 Notion 来编写设计文档和 RFC，之后用于文档、事后分析和历史记录。将想法写在纸上（记录思维过程）可以带来更清晰的决策，并使异步对齐更容易，避免会议。
Unwrap.ai 是我们最近引入的一个工具，用于整合、记录和量化定性反馈。由于 AI 的性质，许多问题并不总是足够确定，无法归类为漏洞。Unwrap 将单个反馈整合成更具体的主题和改进领域。
高层目标和方向自上而下传达，但大量新想法是自下而上提出的。我们坚信工程和设计应对想法和细节拥有所有权，尤其是对于 AI 产品来说，在将想法转化为代码和模型之前，约束条件是未知的。随时都有大量头脑风暴在进行中。我们在 Slack 中有一个专门的头脑风暴频道，跟进的想法收集在 Linear 中，通常直接打磨到代码中，没有人问。
自下而上想法的最佳例子可以在 Perplexity 的发现、收藏和分享体验中看到。例如，如我之前所述，我们的品牌设计师 Phi 构建了 Discover Daily 播客，同时做出了关于脚本、ElevenLabs 集成、品牌和音频工程的决策。对于 AI 来说，在产品发布前很难预测用例。一年前，我们绝对没有预测到 Discover 体验最终会被构建成一个播客。
今天的主要挑战是从我们目前的规模扩展到下一个级别，无论是在招聘方面，还是在执行和规划方面。我们不想失去在非常扁平和协作环境中工作的核心身份。即使是一些小决定，比如如何组织 Slack 和 Linear，也很难扩展。尝试保持透明并扩大频道和项目的数量，而不会导致通知爆炸，这是我们目前正在努力解决的问题。
Perplexity 的许多功能和产品都是在一周（或更短时间）内的黑客马拉松期间构建的。专注冲刺构建新功能被证明是最令人兴奋和难忘的时刻。我们的第一个互动搜索原型，Pro Search (前身为 Copilot)，是在几天内构建的，但它在许多迭代的打磨和微调中得到了改进。
谢谢你， Johnny! 还有，非常感谢 Phi Hoang 在视觉方面的帮助。
欲了解更多信息，请访问 Perplexity，并且 他们正在招聘！
祝你有一个充实且富有成效的一周 🙏